1. 서  론

토양수분은 2010년 세계기상기구(World Meteorological Organization)에 의해 필수기후변수(Essential climate variable)로 지정될 만큼 기후변화에 있어 중요한 요소이고(WMO, 2010), 수문 모델, 농업시스템, 가뭄 분석 등 다양한 분야에서 사용되고 있다(Choi and Jacobs, 2008; Bindlish et al., 2009; Dorigo et al., 2010; Brocca et al., 2011; Bolten et al., 2010; Zhang and Jia, 2013). 토양수분의 정확한 측정에 대한 필요성이 대두됨에 따라 전 지구적 스케일에서의 토양수분 자료의 획득에 대한 관심이 높아지고 있다. 하지만, 지상관측 토양수분 자료의 경우 토양수분을 측정할 수 있는 지점의 수가 제한적일 뿐만 아니라 관리 및 운영상의 문제점을 내포하고 있어 충분한 토양수분 자료를 획득하는데 많은 어려움이 있다.

최근 원격탐사 기술의 발전은 이러한 문제 해결의 가능성을 열어주었다. 원격탐사기술은 플랫폼(항공기, 위성)에 탑재된 센서를 이용하여 공간적인 스케일의 토양수분 관측을 가능하게 한다. 원격탐사기술에 사용되는 센서는 능동형 센서(Active sensor)와 수동형 센서(Passive sensor)로 구분된다. 수동형 센서는 태양에서 방출되어 관찰하고자 하는 대상에 반사된 전자기파를 측정하는 원리이고, 능동형 센서는 센서 자체에서 전자기 방사선을 방출해서 반사되는 전자기파를 측정하는 원리이다. Scanning Multichannel Microwave Radiometer (SMMR)은 위성에 처음으로 탑재된 수동형 센서로 1978년부터 1987년까지 운영되었다. 그 후로 많은 수동형 센서가 개발되었고, 대표적인 수동형 센서에는 Tropical Rainfall Measuring Mission (TRMM)의 Microwave Imager (TMI; 1997-현재), Advanced Microwave Scanning Radiometer–Earth Observing System (AMSR-E; 2002-2011), Soil Moisture and Ocean Salinity Mission (SMOS; 2009-현재)과 Advanced Microwave Scanning Radiometer 2 (AMSR2; 2012-현재) 등이 있다. 능동형 센서에는 European Remote Sensing (ERS-1과 ERS-2; 1991-2000, 2995-2011)의 SCATterometer (SCAT), Advanced SCATterometer (ASCAT; 2007-현재)과 Soil Moisture Active and Passive (SMAP) 등이 있고, 그 외에도 많은 위성들이 원격탐사를 위한 센서를 탑재하여 발사를 기다리고 있다(Cho et al., 2015).

다양한 선행 연구들이 원격탐사방법으로 관측한 토양수분자료의 정확성을 평가하기 위하여 지상관측자료와 검증하였다(Brocca et al., 2011; Draper et al., 2009; Jackson et al., 2010; Albergel et al., 2012). 원격탐사방법으로 관측된 토양수분자료는 공간적인 특성을 잘 반영하고 있지만, 지상에서 직접 관측하는 방법에 비해 정확도가 낮게 나타난다는 연구 결과가 있다(Kim et al., 2015; Kim and Kim, 2011). 특히 토지피복, 식생, 지형 등의 영향에 매우 민감하며, 북미와 유럽, 동아시아 지역에서는 Radio Frequency Interference (RFI)가 나타나기도 한다(Njoku et al., 2003). 이러한 문제를 해결하기 위하여 위성자료를 보정하는 많은 연구가 진행되었다(Miralles et al., 2010; Crow et al., 2010).

Bardossy and Lehmann (1998)은 토양수분자료를 예측하기 위하여 지상자료를 공간보간하는 크리깅 방법을 적용하였다. 하지만 Pandey and Pandey (2010)는 토양수분의 높은 변동성과 지표이용 상태, 토양 종류, 고도 등에 따른 영향으로 크리깅을 이용한 예측에 많은 오차가 발생할 수 있다는 것을 밝혔다. Ehret (2002)은 강우관측소에서 관측된 강우 자료에 강우의 공간적인 특성을 포함하고 있는 레이더 자료를 합성하는 조건부 합성 방법(Conditional Merging, CM)을 적용하였다. 조건부 합성 방법은 지상관측 자료를 참값으로 가정하고 원격탐사방법으로 관측한 레이더 강우자료가 포함하고 있는 공간적인 특성을 합성하는 방법으로, 많은 연구에서 그 적용성을 평가하였다. 하지만 조건부 합성 방법의 이러한 특성에도 불구하고 그 적용성이 강우자료에만 한정되어있고, 토양수분에 적용한 연구 사례는 전무하다.

본 연구에서는 미계측 지역의 토양수분 값을 추정하기 위하여 지구통계학적인 방법을 이용하여 지상관측 자료를 공간 보간하고, 위성자료의 공간적인 특성을 합성하는 조건부 합성 방법을 적용하였다. 남한 전체를 연구 범위로 하여 총 24개의 지상관측 자료를 이용하였으며, 위성관측 토양수분자료는 2002년 5월에 발사된 AQUA 위성에 탑재된 6개 센서 중 하나인 Advanced Microwave Scanning Radiometer–Earth observing system (AMSR-E)에서 관측된 자료를 사용하였다. AQUA 위성은 태양 동기 궤도(sun synchronous orbit) 위성으로 매일 현지시간으로 동일 지역을 1:30PM 과 1:30AM에 두 번 관측하며, 1:30PM에 관측된 자료를 상승경로(ascending pass)라 하고, 1:30AM에 관측된 자료를 하강경로(descending pass)라 한다. AMSR-E는 6.9 GHz∼89.0 GHz 사이의 6개 주파수 대역을 이중편파로 관측하며, C-band와 X-band가 있고, 55°의 고정된 관측각과 1,445 km의 관측폭(swath)을 가진다. 공간해상도는 6.9 GHz에서 약 60 km, 89 GHz에서 약 5 km의 해상도를 가진다(Njoku et al., 2003). AMSR-E는 널리 사용된 수동형 센서 중 하나로(Koike et al., 2004; Paloscia et al., 2006), 많은 선행 연구에서 신뢰성과 적용성이 평가되었다.

이 연구를 통해 토양수분 자료에 대한 조건부 합성 방법의 적용성을 평가하였고, 지상관측자료와 AMSR-E, 조건부합성 방법을 적용한 토양수분 자료를 각각 비교하여 조건부합성 방법의 특성을 분석하였다.

2. 방법론

2.1 자료 설명

본 연구에서는 한반도 지역을 대상으로 농촌진흥청(Rural Development Administration, RDA)에서 제공하는 시간단위 해상도의 지상 관측 자료를 사용하였다. 한반도는 동북아시아 지역내 위도 34-39 N 및 경도 126-130 E 사이에 위치한 지역으로, 동아시아 몬순기후의 영향으로 연누적강우량의 70%가 여름기간에 집중적으로 내리는 특징을 갖고 있다(Kim et al., 2002). 토성은 대부분 사양토와 사질토로 구성되어 있으며, 토지이용은 보통 mixed forest, crop land 등으로 이루어져 있다(Cho and Choi, 2014). 농촌진흥청에서 제공하는 토양수분 자료는 Time Domain Reflectometry (TDR) 방식으로 측정되었으며, 지중 10 cm의 깊이에서 용적수분함량(Volumetric Water Content)으로 표현된다. 관측된 토양수분의 정확도는 토양수분 0∼40% 범위에서 ±1∼2%이고, 40∼70% 범위에서 ±2∼3%의 오차를 가진다(RDA, http://weather. rda.go.kr/information/observation_a.jsp). RDA 지상관측 토양수분자료는 2011년 5월 1일부터 2011년 9월 30일까지의 한시간 시간해상도의 관측 자료를 이용하였고, AMSR-E 상승경로 자료의 관측시간과 가장 일치하는 시간대인 1:00PM에 관측된 자료를 이용하였다. Fig. 1(a)는 2011년 8월 11일 13:00∼14:00에 관측된 전지구 스케일의 AMSR-E 토양수분 관측 자료를 나타내며, Fig. 1(b),(c)에 한반도 지역에 대해서 위성관측 토양수분자료 및 지상 관측지점의 위치를 나타내었다. AMSR-E 센서는 Fig. 1(b)에서와 같이 해안지역에서 관측이 되지 않고, 기상여건 및 전파방해(RFI)의 영항에 따라 결측이 발생한다. 따라서 본 연구에서는 농촌진흥청에서 제공하는 지상관측지점 중 AMSR-E 센서로 토양수분이 관측되지 않는 해안지역 관측지점을 제외하였고, 강우와의 반응성 분석 통해 24개의 관측지점을 선별하여 분석에 사용하였다. 또한 전체 153일의 분석기간 중 AMSR-E와 지상관측 자료의 결측이 발생하지 않은 113일에 대한 자료를 사용하였다. Table 1에는 지상관측 지점의 위경도 좌표, 고도 및 지표면 기울기를 보였다.

본 연구에서는 AMSR-E soil moisture products 중에서 전 세계적으로 가장 널리 사용되는 LPRM (Land Parameter Retrieval Model) AMSR-E 토양수분 자료를 사용하였다(Owe et al., 2008). LPRM AMSR-E 토양수분의 경우, 동북아시아 지역의 경우 지상관측자료에 대해 C-band 자료가 X- band자료에 비해 높은 상관관계를 가지며(Cho et al., 2015), 상승경로자료가 하강경로 자료에 비해 더 잘 일치한다는 연구결과가 있다(Loew et al., 2009; Brocca et al., 2011). 따라서 본 연구에서는 AMSR-E C-band 상승경로 자료를 이용하였으며, 분석 기간은 2011년 5월 1일부터 2011년 9월 30일까지의 자료를 이용하였다.

2.2 위성 토양수분 자료와 지점 토양수분 자료의 합성

2.2.1 지구통계학적 공간 보간 기법

정규 크리깅(Ordinary Kriging) 방법은 이미 알고 있는 지점의 값들을 이용하여 미지의 지점에서의 값을 추정하는 지구통계학적 방법이다. 계산을 통해 구한 실험적 베리오그램(experimental variogram)으로부터 이론적 베리오그램(theo--retical variogram)을 구하고, 이를 활용하여 크리깅 추정값이 편향되지 않으면서 오차분산이 최소가 되도록 하는 조건을 만족하는 지점 관측자료의 가중치를 구한다. 이 가중치를 이용하여 주변 지점관측 자료를 선형적으로 합성하여 공간분포 된 값을 추정하는 방법이 정규 크리깅 방법이다.

본 연구에서는 위성관측자료와 관측시간이 일치하는 1:00 PM에 관측된 지상관측 토양수분 자료를 이용하여 실험적 베리오그램을 구하였고, 이론적 베리오그램의 추정시 spherical, exponential, gaussian의 3가지 모델을 적용하였다. 이 3가지 모델 중 전체 분석 기간에 대하여 최대 상관거리(range)를 나타내는 모델을 선정하여 분석에 사용하였다.

2.2.2 조건부 합성 방법

조건부 합성 방법(Conditional Merging, CM)은 강우관측소에서 관측된 강우 자료와 레이더에 의해 관측된 강우에 대하여 강우관측소의 자료를 참값으로 보고 강우의 공간적인 특성을 포함하고 있는 레이더 자료를 합성하는 방법이다(Ehret, 2002; Pergram, 2002; Sinclair and Pergram, 2005). 조건부 합성 방법은 참값인 지상관측자료를 바탕으로 오차가 존재하는 원격탐사 방법으로 관측한 자료를 합성하는 기법이므로 지상관측 자료의 자료값과 원격탐사 자료의 공간적인 분포를 유지 할 수 있다. 따라서 자료의 공간적인 상관관계를 파악 할 수 있을 뿐만 아니라 자료의 비균질성을 파악 할 수 있다(Choi, 2007). 많은 사전연구에서 강우인자에 대한 조건부 합성방법의 성능을 평가하였고 좋은 결과를 나타내는 것이 밝혀졌다(Goudenhoofdt et al., 2009; Berndt et al., 2014; Baik et al., 2016).

본 연구에서는 조건부 합성 방법을 토양수분에 적용하였고, 그 과정을 Fig. 2에 나타냈다. (a)는 토양수분을 관측하는 지상관측소의 위치를 나타내며, (b)는 지상관측소에서 측정된 토양수분자료를 정규크리깅 방법을 사용하여 공간분포 시킨 결과를 나타낸다. (c)는 AMSR-E에 의해 관측된 토양수분 자료를 나타내며, (d)는 지상관측소가 위치한 지점에서의 AMSR-E 토양수분 값을 추출하여 정규크리깅 방법을 사용하여 공간분포 시킨 결과를 나타낸다. (e)는 (c)와 (d)의 편차를 의미하며, 공간 보간된 지상관측 자료(b)에 편차(e)를 더해서 조건부 합성 방법의 최종결과물(f)를 얻는다.

조건부 합성 방법이 가지는 의미는 다음과 같다. 지상관측자료에 공간 보간 기법을 적용하게 되면 여러 가지 오차가 발생할 수 있다. 또한 위성자료를 추출하여 공간보간 기법을 적용하여도 오차가 발생하게 된다. 하지만 공간적인 정보를 포함하고 있는 위성자료(c)에서 위성자료를 추출하여 공간 분포시킨 (d)의 편차를 구하게 되면 공간분포를 적용함으로 인해서 발생하는 오차를 추정할 수 있게 된다. 이러한 오차를 추정한 것이 (e)이고, 이러한 오차 정보를 (b)에 보정하는 것이다. 즉, 지상관측자료를 기반으로 공간 보간 기법을 적용하고, 위성자료가 가지는 공간적인 특성을 이용하여 오차를 보정하는 것이 조건부 합성 방법이다.

2.3 조건부 합성 기법의 성능 평가

앞서 소개한 토양수분 공간 보간 기법의 성능을 평가하기 위해서는 대상지점의 참값과 예측값을 비교해야 하지만 추정하고자 하는 대상지점이 미계측 지역이므로 참값이 존재하지 않는다. 따라서 본 연구에서는 토양수분 추정 성능 평가를 위해 교차검증(cross validation) 방법을 사용하였다.

Fig. 3은 본 연구에서 이용한 Leave-one-out cross validation 기법을 나타낸다. leave-one-out cross validation 방법은 다음과 같은 과정으로 진행된다. ① 주어진 자료를 이용하여 공간보간 기법을 적용한다(회색선). ② 주어진 자료값을 공간보간 기법으로 예측하기 위해서 자료값 중 하나를 제거한다(4의 점선). ③ ①에서와 동일한 베리오그램과 공간보간 조건하에서 공간보간 기법을 적용하여 제거된 지점에서의 추정값(estimated value)을 구한다(파란선). 4번 지점에서 회색선과 파란선의 차이가 적으면 공간보간 기법의 성능이 우수한 것을 의미한다.

교차검증 방법을 이용하여 추정된 토양수분 값을 편의상 CM_cv 라고 하고, AMSR-E, CM_cv 를 각각 지상관측 값과 비교하였다. 추정 성능의 통계적 분석을 위해 X축을 지상관측 값으로 하고, Y축을 각각 AMSR-E, CM_cv 로 하여 추세선의 기울기, 상관계수 그리고 평균 제곱근 오차(Root Mean Square Error, RMSE)를 계산하였다.

2.4 공간보간기법 성능의 공간적 추세 분석

본 연구에서는 조건부 합성방법의 성능이 지역 및 지형적 특성을 가지고 있는지의 여부를 판단하기 위하여 교차검증기법의 결과물인 CM_cv 의 기울기와 RMSE, 상관계수의 지도를 작성하여 그 공간적 변화를 살폈고, 관측소의 밀도에 의한 영향을 분석하기 위하여 관측소의 Kernel Density를 계산하여 관측소 밀도에 따른 예측 성능을 분석하였다.

3. 결  과

3.1 베리오그램 분석

지상 및 위성 토양수분 자료를 정규크리깅 할 때 사용되는 이론적 베리오그램의 계산시 spherical, exponential, gaussian의 3가지 모델의 결과 값 중 자료의 최대 상관거리를 나타내는 상관거리(lag distance)를 모든 분석 기간에 대하여 계산하여 최대 상관거리를 나타내는 모델을 선정하여 분석에 사용하였다. Table 2는 분석에 사용한 모델들에 따른 월 평균 상관거리를 나타낸다. 2번째 열부터 4번째 열은 각 모델들을 사용하여 계산한 지상관측 토양수분 자료의 상관거리를 나타내고, 5번째 열부터 7번째 열은 위성자료의 상관거리를 나타낸다. 우선, 사용한 모델들에 따른 상관거리를 살펴보면 spherical 모델을 사용하였을 경우에 가장 큰 상관거리를 나타내며, 다른 두 모델들에 비해 2배 이상의 상관거리를 나타낸다. 따라서 본 연구에서는 spherical 모델을 사용하여 이론적 베리오그램을 계산하고, 이론적 베리오그램에서 얻은 값을 이용하여 정규 크리깅을 계산하였다.

지상관측 자료와 위성관측자료의 상관거리를 살펴보면 위성관측자료의 상관거리가 지상관측자료의 상관거리에 비해 월등히 높은 거리를 나타내는 것을 알 수 있다. 이는 점 관측 자료인 지상관측자료는 관측이 이루어진 지점만을 대표하는 자료인 반면, 위성관측자료는 25 km 격자 전반의 밝기온도(brightness temperatures)로 추정된 관측값이므로 자료간의 상관성을 나타내는 거리가 길다. 따라서 위성자료는 지상관측자료에서는 파악하기 힘든 토양수분의 공간적인 분포를 포함하고 있으므로, 참값이라고 할 수 있는 지상관측자료에 토양수분의 공간적인 분포특성을 포함하고 있는 위성자료를 합성하는 것은 큰 의미가 있다고 할 수 있다.

3.2 조건부 합성 방법의 성능 평가

Fig. 4는 2011년 5월 1일부터 2011년 9월 30일까지의 기간에 대한 8개 관측소(No.3, 6, 9, 10, 15, 16, 18, 22)에서의 시계열 그래프를 나타낸다. 각각의 그래프에서 위쪽의 막대그래프는 일강수량을 나타내며, 검은 실선은 지상관측 토양수분을 나타내고, 파란색 사각형 표식은 AMSR-E 토양수분을 나타낸다. 붉은색 원형 표식은 조건부합성 방법을 적용하여 교차 검증방법으로 추정한 값이다. 시계열 그래프를 살펴보면 지상관측 토양수분과 AMSR-E 토양수분간에 상당한 편차가 있음을 알 수 있다. 이는 많은 선행 연구(Rüdiger et al., 2009; Kim and Kim, 2011; Choi and Hur, 2012; Cho et al., 2015)들의 결과와 일치한다. 이러한 편차가 발생하는 이유는 우선 지상관측 자료의 관측깊이(10 cm)와 위성자료의 관측깊이(1∼2 cm)가 다르고, 지상관측 자료는 점관측 자료인 반면 AMSR-E 자료의 경우 25 km 격자범위의 값을 대표하기 때문으로 판단된다. 한편, 조건부합성 방법에 의한 예측값은 위성관측 자료에 비해 지상관측값과의 편차가 작고, 지상관측값과 비슷한 경향을 나타냈다. 토양수분은 강우에 대해 즉각적으로 반응하는데(Choi and Jacobs, 2007; Kim et al., 2016) Fig. 4에서 알 수 있듯이 시간에 따른 강우의 경향이 전국적으로 유사하게 나타났다. 이러한 비슷한 경향성의 토양수분 자료를 정규 크리깅 방법을 이용하여 공간보간 하였고, 크리깅 된 자료를 기반으로 위성자료가 가지는 공간적인 분포특성을 고려하여 합성하였기 때문에 비슷한 경향을 나타낸 것으로 판단된다.

위성자료와 조건부합성방법을 적용한 자료간의 편차를 정량적으로 분석하기 위해 AMSR-E, CM_cv 를 각각 지상관측 값과 비교하였다. 추정 성능의 분석을 위해 x축을 특정날짜에 대한 24개 지상관측소의 토양수분 관측값으로 하고, y축을 AMSR-E와 CM_cv로 하여 추세선의 기울기, 상관계수 그리고 RMSE를 계산하였고, 전체 분석기간인 113일에 대하여 반복하여 각 날짜별 통계값을 Fig. 5에 나타냈다. 검은 막대그래프는 강우량을 나타내며, 붉은색은 CM_cv, 푸른색은 AMSR-E를 나타낸다. CM_cv 의 경우 AMSR-E 와 비교하였을 때 대부분의 날짜에 대하여 1:1 곡선에 가까운 추세선 기울기를 나타냈고, RMSE 값도 상대적으로 작게 나타났다. 하지만, 강우가 많이 발생하는 7월, 8월의 경우 CM_cv 의 성능은 큰 변화가 없지만 AMSR-E의 경우 지상관측자료와의 차이가 상대적으로 줄어드는 것을 알 수 있다. AMSR-E 센서의 경우 25 km 격자에 해당하는 밝기온도를 측정하여 토양수분 변환 알고리즘에 의해 토양수분을 추정하고, 25 km에 대하여 하나의 토양수분 값을 제시하게 된다. 따라서 강우가 발생하여 넓은 범위에서 지표면이 젖게 되면 밝기온도로 추정하는 25 km의 대표성이 높아지게 된다. 또한 많은 강우가 발생하게 되면 지표면이 포화상태에 가까워지기 때문에 지표아래 2 cm의 토양수분과 10 cm의 토양수분의 차이가 상대적으로 줄어들게 된다. 본 결과에서 상관계수의 경우 뚜렷한 우위를 나타내진 않았지만, 추세선의 기울기와 RMSE로 판단해 보았을 때, 지상관측자료와 위성자료를 조건부 합성방법을 이용하여 합성하는 것이 참값이라고 할 수 있는 지상관측자료에 좀 더 유사해진다고 할 수 있다. 교차검증 방법을 이용하여 도출된 이러한 결과는 특정 지점의 관측자료를 제외하였을 때의 결과를 그 지점의 관측자료와 비교하는 것이므로 미계측 지역에 대한 조건부 합성 방법의 적용 가능성을 의미한다. 특히, 강우가 많이 발생하는 기간뿐만 아니라 강우가 많이 발생하지 않는 기간에 대한 적용 가능성이 더욱 두드러지게 나타난다.

3.3 관측소의 공간적 분포에 따른 예측 성능

관측소의 공간적인 분포에 따른 조건부합성방법의 예측 성능을 평가하기 위하여 모든 관측소에 대하여 산출한 추세선의 기울기 값, 상관계수, RMSE를 공간 분포시킨 결과를 Fig. 6에 나타냈다. CM_cv 의 기울기를 나타내는 Fig. 6(a)는 주황색에 가까울수록 1에 가까운 값을 나타내 예측성능이 좋다는 것을 의미하고, 파란색에 가까울수록 예측성능이 나쁘다는 것을 의미한다. 붉은색은 기울기가 1이상인 것을 나타낸다. 한반도의 서쪽 지역에 위치한 관측소에서의 추세선의 기울기 값이 0.85∼1.10으로 매우 뚜렷한 공간적인 특성을 보였고, 남쪽 및 동쪽으로 갈수록 추세선의 기울기 값이 작아지는 경향을 나타냈다. Fig. 6(b)의 경우 상관계수를 공간 분포시킨 것으로 붉은색을 나타낼수록 상관성이 높은 것을 나타내고, 반대로 파란색을 나타낼수록 상관성이 낮은 것을 나타낸다. 한반도의 서쪽지역에 위치한 관측소에서 0.62∼0.89로 높은 상관계수 값을 나타냈다. Fig. 6(c)는 RMSE를 분포시킨 것으로 붉은색을 나타낼수록 좋은 예측성능을 가진다고 말할 수 있다. 관측소별 통계값을 분포시킨 결과를 종합적으로 판단해 보면 추세선의 기울기와 상관계수의 경향성이 매우 유사하게 나타났고, 모두 한반도의 서쪽지역에서 공통적으로 좋은 성능을 나타내고 있으며 매우 뚜렷한 공간적인 특성을 보인다.

한반도의 서쪽지역에서 높은 예측성능을 보이는 이유를 분석하기 위해 거리에 따른 자료의 상관성을 나타내는 베리오그램의 상관거리를 전체 분석기간에 대해서 산출하였다. 상관거리를 분석한 이유는 조건부 합성 방법의 경우 지상관측소에 대한 정규크리깅을 기반으로 하고 있고, 정규크리깅은 지상관측데이터를 기반으로 산출한 베리오그램을 바탕으로 크리깅 방정식을 계산하는 방식이기 때문에 베리오그램의 4가지 인자들을 사용하며 그중에서도 거리에 따른 자료의 상관성을 나타내는 상관거리가 매우 중요한 역할을 한다. 본 연구의 분석기간인 2011년 5월 1일부터 2011년 9월 30일까지의 모든 자료에 대한 베리오그램의 상관거리(range)를 월별로 계산하여 평균을 계산한 결과를 Table 2에 나타냈다. 분석 기간 전체에 대한 상관거리의 평균은 약 100 km (0.9227°)로 나타났으며, Fig. 6에 나타난 붉은 지점과 비슷한 범위를 보인다. 이는 공간적으로 상관거리 (100 km) 이상으로 이격된 자료들에 대해서는 아무런 관계를 나타내지 않는다는 베리오그램의 특성이 잘 반영된 것으로 보여진다.

관측소간 거리 및 밀도가 조건부합성방법에 미치는 영향을 분석하기 위하여 관측소의 밀도를 계산하여 조건부합성방법의 예측 성능과 비교하였다. 관측소의 밀도는 커널 밀도 추정(kernel density estimation) 방법으로 계산하였고(Fig. 7), 각 관측소별 밀도를 이용하여 Fig. 6의 결과와 비교하였다. Fig. 8(a)는 관측소 밀도에 따른 CM_cv 의 기울기를 비교한 그래프이다. CM_cv 의 기울기의 경우 관측소 밀도가 증가함에 따라 추세선의 기울기 값이 커지는 경향을 나타내었다. Fig. 8(b)에서는 상관계수를 비교하였는데, 상관계수의 경우 관측소 밀도가 증가함에 따라 상관계수가 증가하는 뚜렷한 관계를 나타내었다. Fig. 8(c)는 RMSE와 비교한 그래프이다. 뚜렷한 경향을 나타내지는 않았지만 관측소 밀도가 증가함에 따라 RMSE값이 다소 감소하는 경향을 보였다. 이 세가지 결과를 종합하여 보면 조건부합성 방법의 예측성능이 관측소 밀도와 밀접한 연관이 있음을 알 수 있다. 관측소의 밀도가 상대적으로 높은 지역에서는 관측소간의 거리가 가까우므로 자료들간의 상관성이 잘 반영되어 공간보간이 잘 이루어지지만, 관측소의 밀도가 상대적으로 낮은 지역에서는 관측소간 거리가 멀어 자료들간의 상관성이 잘 반영되지 못하여 공간보간이 상대적으로 잘 이루어지지 않는 것으로 판단된다.

4. 결론 및 요약

본 연구에서는 기존에 강우자료와 레이더 강우에만 적용되었던 조건부 합성방법을 토양수분 자료에 적용하여, 한반도 지역을 대상으로 24개 지점의 지상관측자료와 AMSR-E 인공위성 자료를 이용하여 미계측 지역에 대한 토양수분 예측 능력을 분석하고, 그 적용가능성을 평가하였다. 본 연구를 통하여 도출된 결과를 요약하면 다음과 같이 나타낼 수 있다.

1) 교차검증방법을 사용하여 예측한 토양수분 값을 지상관측 토양수분 자료와 비교하였다. 비교 분석 결과 전체 분석기간 113일 중 100일 이상의 날짜에 대해서 지상관측자료와 위성관측자료의 추세선의 기울기와 RMSE값에 비해 지상관측자료와 조건부합성 방법의 추세선의 기울기와 RMSE값이 우세하게 나타났다. 이러한 결과는 미계측 지역에 대한 조건부 합성 방법의 적용 가능성을 의미하며, 특히 강우가 많이 발생하는 기간뿐만 아니라 강우가 많이 발생하지 않는 기간에 대한 적용 가능성이 두드러지게 나타났다.

2) 관측소의 공간적인 분포에 따른 조건부합성방법의 예측 성능을 평가하였다. 그 결과 한반도의 서쪽지역에서 높은 예측성능을 나타냈으며 매우 뚜렷한 공간적인 특성을 보였다.

3) 예측성능의 공간적인 특성을 분석하기 위해 거리에 따른 자료의 상관성을 나타내는 베리오그램의 상관거리를 계산하였고, 전체 분석기간에 대한 지상관측 토양수분자료에 대한 상관거리를 계산한 결과 약 100 km로 나타났으며, 이는 공간해상도가 25 km인 AMSR-E 위성에 대해서 직선거리로 4개 격자에 해당하는 범위이고, 뚜렷한 공간적 특성을 나타내는 지점과 유사한 범위를 보였다.

4) 조건부합성 방법의 예측성능은 각 관측소간의 거리와 밀도에 밀접한 연관성을 나타내는 것으로 확인되었다. 각 관측소간 거리가 상대적으로 가까우며, 관측소의 밀도가 높은 지역에 대해서는 자료들 간의 상관성이 잘 반영되었기 때문에 조건부합성방법의 예측성능 향상이 높아지는 것을 확인 할 수 있었다.

본 연구에서 제시한 4가지 결론을 종합하면 미계측 지역에 대한 토양수분을 예측하는 방법으로 지상관측자료와 위성관측 자료를 합성하는 방법인 조건부 합성방법을 통계적인 결과로 판단하였을 때 적용가능성이 있는 것으로 판단되지만, 중요하게 개선되어질 몇 가지 부분들을 가지고 있다. 1) 위성 토양수분 자료 자체의 공간적 신뢰성을 높이기 위해 주요한 제한 사항들(복잡한 지표특성 및 식생분포, RFI 등)을 극복해 나가야 할 것이다. 2) 세계적으로 널리 사용되는 수문지표모델들의 토양수분값들을 동시에 활용하여, 다양한 systematic error 제거기법을 적용한 최적의 토양수분 값을 산출해야 할 것이다. 3) 연구에 사용한 분석기간은 강우가 비교적 많이 발생하는 기간으로 이 외의 기간에 대한 추가적인 자료분석 통해 좀 더 일반적인 결론을 얻을 수 있을 것이라 판단된다. 4) 보다 조밀한 한반도 내의 지점 토양수분 관측망을 구현함과 동시에 위성기반의 토양수분자료의 다양한 상세화기법을 통하여 고해상도 위성자료를 얻는다면, 정확도 높은 토양수분의 공간적인 특성을 나타낼 수 있을 것이며, 미계측 지역에 대한 더욱 정확한 예측이 가능할 것으로 기대된다.